图像质量评价作为图像处理领域的经典课题,一直受研究者们的关注。近年来,随着成像技术的发展、5G技术的普及和人工智能技术的爆炸性发展,高动态范围（High Dynamic Range,HDR）图像技术得到了快速发展和应用。针对HDR图像的质量评价也逐渐成为了研究热点。HDR图像质量评价主要分主、客观评价方法两大类。从人类视觉感知的角度分析,主观评价是HDR图像质量评价的最理想方式,其准确性和可靠性高,但主观评价方法操作步骤繁琐、耗时长、过于依赖人员及硬件设备资源,综合成本高。因此,研究准确可靠、简单高效的客观质量评价方法成为了当前HDR图像质量评价中的重点。本文在分析当前HDR图像质量评价方法的优缺点及技术难点的基础上,针对无参考HDR图像质量评价中的算法进行了深入研究,提出了一种新的HDR图像质量评价算法。主要工作和创新点如下:1、提出了视觉质量感知模型。本文基于人类感知目标的亮度和对比敏感度等视觉特性,设计了视觉质量感知网络,包含误差和感知拮抗两个网络结构,其训练分两个阶段。第一阶段先通过误差估计网络训练出失真图像的误差模型;第二阶段是训练感知拮抗网络,找出最优的感知拮抗参数;最后通过融合函数计算出HDR图像的质量分数。经实验验证取得了比较理想的结果。2、提出了HDR图像质量评价数据集HDR-combine DB。为增加卷积神经网络的训练数据,我们在现有的几个公开的HDR数据集的基础上,扩充了数据集的容量,并对新数据集中缺失主观评价数据的图像进行了主观评测,同时利用INLSA算法将不同数据集的质量分数值进行对齐。3、提出了基于CNN的无参考HDR图像质量评价算法HDRIQA-CNN。将视觉感知模型与人类视觉注意机制相结合,引入了人类视觉注意机制,检测出图像的显著区域并作为神经网络的训练数据,目的是为了模拟人类主动忽略对质量问题不相关的信息。通过实际测试验证,所提出算法预测的质量分数与主观评价分数一致性高,符合人眼对HDR图像质量的主观感受。